陳冠穎

摘? ? 要：現(xiàn)如今，隨著科學(xué)技術(shù)的發(fā)展，人工智能技術(shù)為各行各業(yè)帶來了新的發(fā)展方向。本文通過對(duì)人工智能技術(shù)展開分析，結(jié)合電力工程在數(shù)據(jù)處理時(shí)遇到的困難，找出人工智能技術(shù)在電力工程數(shù)據(jù)處理中的運(yùn)用方式，希望為關(guān)注人工智能技術(shù)的人群帶來幫助。

關(guān)鍵詞：人工智能技術(shù);電力工程;數(shù)據(jù)處理

1? 引言

電力工程中的數(shù)據(jù)信息有著規(guī)模大、種類多等特點(diǎn)，所以電力工程的數(shù)據(jù)處理十分復(fù)雜，而通過人工智能技術(shù)能夠完成對(duì)大量無規(guī)則數(shù)據(jù)的整理分析，為電力工程的數(shù)據(jù)處理帶來幫助。因此，有必要對(duì)人工智能技術(shù)在電力工程數(shù)據(jù)處理中的運(yùn)用展開分析。

2? 人工智能技術(shù)在電力工程數(shù)據(jù)處理中的作用

數(shù)據(jù)信息會(huì)通過網(wǎng)絡(luò)來進(jìn)行數(shù)據(jù)上的傳遞，數(shù)據(jù)信息的傳輸在為人們交流帶來方便的同時(shí)也帶來了負(fù)面影響。隨著數(shù)據(jù)信息的不斷增多，大量無用數(shù)據(jù)以及重復(fù)數(shù)據(jù)加重了網(wǎng)絡(luò)負(fù)擔(dān)，這樣就導(dǎo)致了人們很難第一時(shí)間在大量數(shù)據(jù)中找出自己需要的各類信息，因此如何提升數(shù)據(jù)處理效率也受到了各界人士的廣泛關(guān)注，將人工智能技術(shù)應(yīng)用于數(shù)據(jù)處理也被人們提出。

在電力工程中，數(shù)據(jù)信息的數(shù)量非常龐大，為了提升數(shù)據(jù)信息的處理速度，相關(guān)研究人員便開始對(duì)人工智能技術(shù)進(jìn)行分析。人工智能技術(shù)可以通過數(shù)據(jù)信息的特征來完成對(duì)數(shù)據(jù)關(guān)鍵點(diǎn)的捕捉，從而完成對(duì)數(shù)據(jù)信息的處理，這樣的數(shù)據(jù)處理方式大大降低了電力工程處理數(shù)據(jù)信息時(shí)的時(shí)間成本。

3? 基于人工智能的數(shù)據(jù)搜索

3.1? 數(shù)據(jù)搜索區(qū)間內(nèi)的分組

通過人工智能技術(shù)能夠建立數(shù)據(jù)查詢系統(tǒng)，而通過分塊融合的方式可以完成對(duì)數(shù)據(jù)搜索區(qū)間內(nèi)的自動(dòng)分組，在考慮帶有不確定冗余數(shù)據(jù)信息時(shí)，數(shù)據(jù)所采用的特征分布區(qū)間為M1=F2+G3，在這個(gè)公式中，F(xiàn)2代表數(shù)據(jù)信息搜索系統(tǒng)中的基礎(chǔ)特征量。而G3代表著數(shù)據(jù)信息特征分布關(guān)聯(lián)維。通過人工智能技術(shù)創(chuàng)建出的數(shù)據(jù)信息搜索模型能夠通過分解特征來完成對(duì)數(shù)據(jù)信息搜索時(shí)的數(shù)據(jù)捕捉。

3.2? 關(guān)鍵信息點(diǎn)定位匹配

通過人工智能技術(shù)進(jìn)行數(shù)據(jù)處理時(shí)，可以完成對(duì)關(guān)鍵信息點(diǎn)的定位匹配，通過數(shù)據(jù)信息搜索模型能夠?qū)⒁欢螘r(shí)間內(nèi)與當(dāng)前節(jié)點(diǎn)特征相似的所有節(jié)點(diǎn)在同一時(shí)間內(nèi)完成組合排列。以此來完成對(duì)關(guān)鍵信息點(diǎn)的定位匹配，從而得到數(shù)據(jù)處理時(shí)想要的結(jié)果。通過人工智能技術(shù)進(jìn)行數(shù)據(jù)信息搜索時(shí)，需要輸入數(shù)據(jù)信息的相關(guān)范圍，而經(jīng)過數(shù)據(jù)搜索之后其生成的結(jié)構(gòu)便是所需的相似結(jié)果。

4? 數(shù)據(jù)挖掘算法

在人工智能技術(shù)中，數(shù)據(jù)挖掘算法為電力工程的數(shù)據(jù)處理帶來了更多便利。數(shù)據(jù)挖掘算法能夠在電力工程中的大量數(shù)據(jù)信息中找出關(guān)鍵的數(shù)據(jù)信息。數(shù)據(jù)挖掘算法能夠作用的對(duì)象為實(shí)際記錄下的數(shù)據(jù)信息，所以這種算法在面對(duì)電力工程中的大量數(shù)據(jù)有著天然的優(yōu)勢(shì)。為了更好地完成對(duì)數(shù)據(jù)信息的提取，就必須保證數(shù)據(jù)挖掘算法的完整性。通常情況下，完整的數(shù)據(jù)挖掘算法中會(huì)包含以下幾方面：分別是抽樣、數(shù)據(jù)處理、挖掘數(shù)據(jù)模型等流程。

在電力工程中，為了完成數(shù)據(jù)信息處理以及數(shù)據(jù)信息提取工作，數(shù)據(jù)挖掘法的使用必不可少。常見的數(shù)據(jù)挖掘法有：統(tǒng)計(jì)分析法、神經(jīng)網(wǎng)絡(luò)法、遺傳算法等。值得注意的是，因?yàn)槟：窠?jīng)網(wǎng)絡(luò)法在實(shí)際應(yīng)用過程中將神經(jīng)網(wǎng)絡(luò)以及模糊系統(tǒng)的優(yōu)勢(shì)結(jié)合在了一起，所以在對(duì)電力工程數(shù)據(jù)處理以及造價(jià)預(yù)測(cè)時(shí)能夠起到非常大的幫助。而圣經(jīng)網(wǎng)絡(luò)在處理電力工程中的大量數(shù)據(jù)時(shí)，需要優(yōu)先解決的問題是對(duì)如何獲取模糊系統(tǒng)參數(shù)以及如何辨識(shí)模糊規(guī)則參數(shù)。而且由于電力工程中的實(shí)際情況往往非常復(fù)雜，具有多樣性，所以在運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)算法來對(duì)數(shù)據(jù)信息進(jìn)行處理時(shí)，就需要使用聚類的方式來將數(shù)據(jù)信息空間進(jìn)行模糊數(shù)據(jù)集的劃分，這種數(shù)據(jù)處理方法需要在多個(gè)子網(wǎng)絡(luò)分別完成網(wǎng)絡(luò)訓(xùn)練之后，才能夠確定最后的數(shù)據(jù)信息。

5? 數(shù)據(jù)模型

在選擇人工智能算法時(shí)需要考慮很多因素，由于電力工程數(shù)據(jù)的數(shù)量規(guī)模以及數(shù)據(jù)多樣性，所以對(duì)于其中的數(shù)據(jù)信息而言，其無論是數(shù)據(jù)信息輸入還是數(shù)據(jù)信息輸出都會(huì)分為多個(gè)方面來進(jìn)行。因此，在進(jìn)行人工智能算法的選擇時(shí)，可以把模糊神經(jīng)網(wǎng)絡(luò)來當(dāng)作電力工程處理數(shù)據(jù)時(shí)的核心，以此來構(gòu)建電力工程的造價(jià)模型。通過將模糊神經(jīng)網(wǎng)絡(luò)算法與普通神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，能夠保證該算法在應(yīng)用過程中其學(xué)習(xí)能力與模糊系統(tǒng)中的推斷能力可以大幅度提升，這樣就可以在得到數(shù)據(jù)規(guī)則能力的同時(shí)，兼顧網(wǎng)絡(luò)容錯(cuò)能力。為后續(xù)處理非線性數(shù)據(jù)的時(shí)候打下基礎(chǔ)。

6? 數(shù)據(jù)模型仿真

在電力工程中需要進(jìn)行數(shù)據(jù)信息處理的原始數(shù)據(jù)是經(jīng)過數(shù)據(jù)與預(yù)處理之后留下的部分歷史數(shù)據(jù)，而在輸入數(shù)據(jù)中，共包含了電壓等級(jí)、線路回?cái)?shù)、運(yùn)輸距離、線路長(zhǎng)短、地形系數(shù)共五項(xiàng)屬性，而輸出數(shù)據(jù)共包含了運(yùn)輸、架線、基礎(chǔ)、附件工程共四項(xiàng)屬性。通過對(duì)輸入、輸出數(shù)據(jù)進(jìn)行分類之后，便能通過模糊神經(jīng)網(wǎng)絡(luò)算法來對(duì)隸屬度函數(shù)進(jìn)行合理的計(jì)算調(diào)整，在計(jì)算過程中需要將所有樣本分別進(jìn)行歸類并計(jì)算，最終完成對(duì)電力工程數(shù)據(jù)信息的處理。通過模糊神經(jīng)網(wǎng)絡(luò)算法能夠完成對(duì)電力工程中大量數(shù)據(jù)的分析處理，而且通過這種算法還能利用得到的數(shù)據(jù)來對(duì)電力工程中的工程造價(jià)進(jìn)行分析預(yù)測(cè)。從而使電力工程中的數(shù)據(jù)處理變得更加簡(jiǎn)單。

通過人工智能技術(shù)能夠提升電力工程的數(shù)據(jù)處理效率。模糊神經(jīng)網(wǎng)絡(luò)算法在實(shí)際應(yīng)用過程中能夠完成對(duì)電力工程中大量數(shù)據(jù)信息的分類處理。以電力工程中的歷史數(shù)據(jù)信息為例，通過模糊神經(jīng)網(wǎng)絡(luò)算法可以使用K-mans算法來完成對(duì)數(shù)據(jù)樣本輸入數(shù)據(jù)的聚類并進(jìn)行分析，在分析完成后可以得出與其對(duì)應(yīng)的隸屬度矩陣。得出矩陣后還可以通過神經(jīng)網(wǎng)絡(luò)算法來完成數(shù)據(jù)信息的訓(xùn)練并對(duì)得出的樣本數(shù)據(jù)展開分析，最后再根據(jù)模糊神經(jīng)網(wǎng)絡(luò)算法來預(yù)測(cè)電力工程數(shù)據(jù)，這種方式得出的數(shù)據(jù)預(yù)測(cè)結(jié)果有著很高的精確度，可以滿足電力工程在數(shù)據(jù)處理時(shí)的需求。所以對(duì)于電力工程而言，想要提升數(shù)據(jù)信息的處理能力，可以通過人工智能技術(shù)來入手。

7? 結(jié)束語

總而言之，人工智能技術(shù)在電力工程數(shù)據(jù)處理中有著非常大的發(fā)展空間。人工智能技術(shù)的使用既能提升電力工程中的數(shù)據(jù)信息處理速度，又能保證得出的數(shù)據(jù)信息其準(zhǔn)確度符合電力工程的要求。相信隨著更多人意識(shí)到人工智能技術(shù)在數(shù)據(jù)處理中的優(yōu)勢(shì)，電氣工程中的數(shù)據(jù)處理一定會(huì)有更多選擇。

參考文獻(xiàn)：

[1] 聶波，彭春華，吳建偉.人工智能技術(shù)在電力工程數(shù)據(jù)處理中的研究與應(yīng)用[J].電子設(shè)計(jì)工程，2020（2）：91～94.

[2] 杜永盛.基于人工智能技術(shù)的電力工程審計(jì)系統(tǒng)研究[J].中小企業(yè)管理與科技（下旬刊），2019（11）：175+177.